[发明专利]一种渗透率计算方法和装置

权利要求书

1.一种渗透率计算方法，其特征在于，所述方法包括：

获取第一常规测井数据，并获取多个局部最优渗透率计算模型；其中，所述局部最优渗透率计算模型是利用机器学习算法对包含测井数据和岩心渗透率数据的样本集进行训练时通过K-Fold交叉验证进行参数优化筛选出的渗透率计算模型；

将所述第一常规测井数据输入所述多个局部最优渗透率计算模型，在具有不同的随机数种子的情况下，由所述多个局部最优渗透率计算模型输出多条渗透率预测曲线；

从所述多条渗透率预测曲线中筛选出一条最优渗透率预测曲线作为最终渗透率预测曲线；

通过预设的质量评估算法确定所述最终渗透率预测曲线的质量等级；

根据评定的质量等级对最终渗透率预测曲线进行相应校正。

2.根据权利要求1所述的渗透率计算方法，其特征在于，所述获取多个局部最优渗透率计算模型包括：

直接调取存储的多个局部最优渗透率计算模型；或者，

创建所述多个局部最优渗透率计算模型。

3.根据权利要求2所述的渗透率计算方法，其特征在于，所述创建所述多个局部最优渗透率计算模型包括：

获取同一井或同一区域井的岩心渗透率数据，并获取该同一井或同一区域井内对应深度的测井数据，并对所述测井数据和所述岩心渗透率数据进行预处理，将处理好的测井数据和岩心渗透率数据格式化为所述样本集；

将所述样本集输入具有初始参数的预设的机器学习算法中，在未设定所述机器学习算法的随机种子数的情况下，采用K-Fold交叉验证方法，以最优参数搜索的方式自动搜索多次，以获取关于所述机器学习算法的多个局部最优参数；

将所述多个局部最优参数输入所述机器学习算法中，获取所述多个局部最优渗透率计算模型。

4.根据权利要求3所述的渗透率计算方法，其特征在于，所述对所述测井数据和所述岩心渗透率数据进行预处理包括：

对所述岩心渗透率数据和岩心点深度测井数据进行数据清理和集成；

选取对储层渗透率影响因素较大的以下测井曲线中的多个：密度测量曲线ZDEN、光电吸收指数曲线PE、纵波时差曲线DTC、横波时差曲线DTS、中子测量曲线CNCF、自然伽马测量曲线GR以及自然电位测量曲线SP，对选取的测井曲线进行测井质量控制，并获取至少3条与岩心渗透率相关性最高且测井质量最高的测井曲线的测井数据。

5.根据权利要求1所述的渗透率计算方法，其特征在于，所述方法还包括：

将所述多条渗透率预测曲线与通过所述测井数据获取的孔隙度曲线进行相关性分析，获取每条渗透率预测曲线与所述孔隙度曲线的相关性；

从所述多条渗透率预测曲线中剔除相关性小于或等于预设的相关性阈值的多条渗透率预测曲线，并保留剩余的多条渗透率预测曲线，作为最终获取的多条渗透率预测曲线。

6.根据权利要求1或5所述的渗透率计算方法，其特征在于，所述从所述多条渗透率预测曲线中筛选出一条最优渗透率预测曲线作为最终渗透率预测曲线包括：

将所述多条渗透率预测曲线两两之间分别计算相关性系数；

计算每条渗透率预测曲线对应的多个相关性系数的平均值，以获取该条渗透率预测曲线的平均相关性系数；

获取平均相关性系数大于预设的相关性阈值的多条渗透率预测曲线，作为多条最优渗透率预测待选曲线；

根据预设的误差算法计算每条最优渗透率预测待选曲线与岩心渗透率的均方差；

将对应的均方差最小的最优渗透率预测待选曲线作为选出的所述最优渗透率预测曲线。